Návrh Školení

Úvod

  • Co jsou vektorové databáze?
  • Vektorové databáze vs tradiční databáze
  • Přehled vektorových embeddingů

Generování vektorových embeddingů

  • Techniky pro vytváření embeddingů z různých datových typů
  • Nástroje a knihovny pro generování embeddingů
  • Nejlepší postupy pro kvalitu embeddingů a dimenzionalitu

Indexace a vyhledávání v vektorových databázích

  • Indexační strategie pro vektorové databáze
  • Sestavování a optimalizace indexů pro výkon
  • Algoritmy podobnostního vyhledávání a jejich aplikace

Vektorové databáze ve strojovém učení (ML)

  • Integrace vektorových databází s modelem ML
  • Řešení běžných problémů při integraci vektorových databází s modely ML
  • Použití: systémy doporučování, zpětné vyhledávání obrázků, NLP (zpracování přirozeného jazyka)
  • Případové studie: úspěšné implementace vektorových databází

Škálovatelnost a výkon

  • Výzvy při škálování vektorových databází
  • Techniky pro distribuované vektorové databáze
  • Metriky výkonu a monitoring

Projektová práce a případové studie

  • Praktický projekt: Implementace řešení vektorové databáze
  • Revize nejnovějšího výzkumu a aplikací
  • Skupinové prezentace a zpětná vazba

Shrnutí a další kroky

Požadavky

  • Základní znalosti databází a datových struktur
  • Oznámé se s koncepty strojového učení
  • Zkušenost s programovacím jazykem (preferuje se Python)

Účastníci kurzu

  • Datoví vědci
  • Inženýři strojového učení
  • Vývojáři softwaru
  • Administrátoři databází
 14 hodiny

Počet účastníků


Cena za účastníka

Nadcházející kurzy

Související kategorie